66701 - MATEMATICA COMPUTAZIONALE

Anno Accademico 2022/2023

  • Docente: Valeria Simoncini
  • Crediti formativi: 6
  • SSD: MAT/08
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea in Matematica (cod. 8010)

Conoscenze e abilità da conseguire

Al termine del corso, lo studente ha competenze, teoriche e computazionali, per risolvere alcuni problemi numerici di base nelle applicazioni.

Contenuti

Il corso prevede lo studio di: Matrix methods for Data Mining. L'informazione contenuta in grandi quantita' di dati, usufruita per esempio dai motori di ricerca (es. Google), od usata nello studio di dati climatici, nel pattern recognition, ecc., e' spesso gestibile grazie all'uso di tecniche matriciali avanzate di alto livello, per la risoluzione numerica di sistemi lineari di enormi dimensioni, la risoluzione numerica di problemi agli autovalori e valori singolari di grandi dimensioni, il calcolo di funzioni di matrici, e la gestione di grafi. Il corso prevede di studiare queste tecniche, partendo dagli aspetti analitici di Teoria delle Matrici, e arrivando al loro utilizzo pratico nel Data Mining.

Testi/Bibliografia

Lars Elden, Matrix Methods in Data Mining and Pattern Recognition, SIAM, Aprile 2007.
M.W. Berry and M. Browne, Understanding Search Engines: Mathematical Modeling and Text Retrieval , SIAM Book Series: Software, Environments, and Tools, Second Edition (Maggio 2005).
Altri testi, articoli scientifici recenti su problemi applicativi con dati reali

Metodi didattici

lezioni frontali in aula, ed attivita' indipendente in laboratorio informatico.

Modalità di verifica e valutazione dell'apprendimento

Presentazione orale di un progetto sugli argomenti visti durante il corso. Eventuale test di laboratorio sulle esercitazioni svolte in aula.

Strumenti a supporto della didattica

Il corso prevede lezioni in aula con Lucidi, che saranno disponibili sul sito del Docente. Il corso prevede un ausilio continuo di Matlab per confrontare quanto visto a lezione con casi applicativi, in Laboratorio Informatico.

 

See http://www.dm.unibo.it/~simoncin/DataMining.html

Link ad altre eventuali informazioni

http://www.dm.unibo.it/~simoncin/DataMining.html

Orario di ricevimento

Consulta il sito web di Valeria Simoncini